论国防教育与大学生综合素质培养

《国防教育法》第十三条指出:学校的国防教育是全民国防教育的基础,是实施素质教育的重要内容。开展生动活泼的国防教育,对于培养大学生严谨的作风纪律、良好的道德风尚和顽强的意志品格,增强大学生的综合素质,具有重要意义。     

SiC纤维表面CVD SiC涂层对其单丝强度的影响

采用化学气相沉积(CVD, Chemical Vapor Deposition)工艺在KD-I型SiC纤维表面制备了SiC涂层,选择2h、4h、6h和8h四个时间点研究了沉积时间对纤维性能的影响.结果表明:具有CVD SiC涂层的SiC纤维较无涂层的纤维来说强度有所下降;在所研究的沉积时间范围内,随着沉积时间的增加,涂层的厚度有所增加,涂层由不连续的岛状转变为连续层状,纤维的单丝强度出现了先升后降的趋势.     

加强交流增强党委班予凝聚力

在党委班子内部,成员之间能否做到充分表达个人见解,加强相互间沟通交流,关系党委班子的凝聚力和战斗力。这就要求单位党委正副书记增强民主意识,通过教育引导和率先垂范,激发班子成员"想说话"的觉悟,增强班子成员"能说话"的魄力,提高班子成员"善说话"的艺术,确保党委领导、决策的科学性和有效性。     

碳纤维/双马来酰亚胺复合材料修复性能

为了得到碳纤维/双马来酰亚胺复合材料最佳修复效果,采用碳纤维/环氧复合材料和环氧胶膜作为修复材料,对带Φ15 mm和Φ5 mm预制孔碳纤维/双马来酰亚胺复合材料进行单面贴补、双面贴补和单面阶梯挖补修复。研究了补片长度、厚度和铺层顺序对修复效果的影响,并结合修复试样的拉伸断裂模式,优化了修复参数。结果表明:补片边缘母板中存在的应力集中和厚度方向拉伸应力是导致母板断裂的关键原因;双面贴补修复试样拉伸强度能恢复到完好试样的90%以上,单面贴补和阶梯挖补修复试样拉伸强度能恢复到完好试样的80%以上。     

石英/双酚E型氰酸酯复合材料的制备与性能

采用实验方法研究双酚E型氰酸酯树脂的黏度和固化特性,揭示催化剂对双酚E型氰酸酯树脂固化特性的影响规律;采用树脂传递模塑和真空导入模塑工艺制备石英纤维/双酚E型氰酸酯复合材料,并考察其力学性能。结果表明,双酚E型氰酸酯树脂室温至90℃范围内的黏度小于300 m Pa·s,凝胶时间大于10 h,起始固化温度、固化温度和终止固化温度分别为186±5℃,235±5℃和286±5℃;固化特征温度随着催化剂含量的增加而降低,直至催化剂饱和,其饱和范围为0.02%~0.03%,可使双酚E型氰酸酯树脂体系的固化温度降低约60℃,从而避免爆聚,实现液相法成型其复合材料;真空导入模塑工艺制备的石英纤维/双酚E型氰酸酯复合材料的力学性能明显优于树脂传递模塑制备试样。     

一种有效的红外图像融合算法

给出了一种基于átrous算法红外与可见光图像融合算法,该算法主要针对光谱差异较大以及配准精度较低的这类图像的融合算法。该算法首先对融合图像源进行átrous算法分解;随后,对分解的低频信息利用取加权法进行融合;高频信息首先利用边缘检测技术对不同尺度不同方向的高频信息进行边缘点的加强,然后以区域的空间频率为度量标准得到新的高频系数;最后进行átrous算法重构得到最终的融合图像。通过两组红外和可见光图像的融合实验,结果表明该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

刚性夹杂双周期分布的反平面问题

在遵循复合材料中各夹杂相互影响的条件下,构造呈双周期分布且相互影响的椭圆形刚性夹杂模型的复应力函数,采用复变函数的依次保角映射方法,达到满足各个夹杂的边界条件,利用围线积分将求解方程组化为线性代数方程组,推导出了椭圆形刚性夹杂呈双周期分布的界面应力解析表达式,并讨论了夹杂间距对界面应力最大值（应力集中系数）的影响规律,描绘出了曲线。     

对下部队检查的几点思考

正下部队检查是党委机关指导部队建设的重要方法,是机关干部的一项经常性基础性工作。俗话讲,外行看热闹,内行看门道。下部队检查看似简单平常,要搞好却不容易。懂行的,一眼能看出端倪,一查能发现问题,一帮能解决问题,自然受人重视;不懂行的,纵然态度认真,也是眼里看不到问题,手里拿不出招数,自然不被重视。要想做个内行人,关键是要检查到点子上,能够发现问题、解决问题。     

应用Isight的复合材料桁架结构优化设计

轻质复合材料及其结构以其优异的力学性能在航天航空飞行器上得到了广泛应用。考察玻璃纤维/环氧复合材料方形截面桁架在典型弯曲载荷工况条件下的非线性结构承载性能。采用Isight集成平台对桁架结构进行多参数优化设计,获得满足结构刚度和承载性能要求的最轻质桁架结构的几何参数,并分析最优化结构在载荷作用下的结构非线性响应行为。结果表明采用Isight平台对桁架结构进行多参数优化设计具有较高的效率和可信度。     

基于增强CNN模型的手写字体图像识别

为了提高汉字的识别率,提出了一种改进的图像识别算法,根据偏微分方程理论,提出一种增强CNN模型识别汉字,将原有的图像用高阶差分法进行增强处理,然后在原始的LeNet-5网络结构的基础上,将前两层的激活函数改为ReLu函数,并且去掉C5层以及F6层,通过增加输出层的神经元数来增加汉字的识别率。研究结果表明:经过图像增强和增加输出神经元数的改进,对汉字进行识别,识别率达到了98.44%,相比较于其他汉字识别算法提高了3%～9%,从而证明了算法的可行性。